Résumé des points clés
Le départ de Jeff Dean, figure emblématique de la technologie chez Google, pour fonder l'entreprise AI for Science et sa société Discovery Loop, marque le début d'une nouvelle phase de concurrence au sein des géants mondiaux de l'IA. L'IA, qui était autrefois principalement utilisée comme une “machine à répondre aux questions”, évolue désormais pour devenir un “assistant de recherche” capable de formuler des hypothèses scientifiques et de concevoir des expériences, voire un “quasi-scientifique”. Cet événement reflète non seulement les choix technologiques de Google, mais suscite également de profondes discussions sur la direction future de l'IA (combinaison du symbolisme et du connexionnisme), la capacité de l'IA à créer de nouvelles connaissances, et si la découverte scientifique constitue la dernière étape vers l'IA générale (AGI).
I. Le départ de Jeff Dean : les “intérêts à court terme” de Google et le “attrait à long terme” d'AI for Science
Qui est Jeff Dean ? En bref, il était le pilier technologique de Google, ayant dirigé le développement de l'algorithme de recherche principal de l'entreprise ainsi que TensorFlow, un outil utilisé par tous les chercheurs en IA. Son départ reflète les contradictions au sein des ressources internes de Google : l'entreprise accorde aujourd'hui la priorité aux activités à court terme génératrices de revenus, telles que la publicité et les services cloud, tandis qu'AI for Science représente un projet à long terme, nécessitant de gros investissements et des cycles de retour sur investissement plus longs (par exemple, le développement de nouveaux médicaments peut prendre jusqu'à 10 ans). Jeff Dean, souhaitant se consacrer pleinement à ce domaine, a dû entreprendre seul. Cela indique que AI for Science est passé d'un concept de laboratoire à une opportunité sérieuse pour les acteurs majeurs du secteur.
II. AI for Science : le “nouveau champ de bataille” des géants – Qui peut faire de l'IA un “scientifique” ?
Les géants mondiaux de l'IA se disputent ce marché :
- Google DeepMind : a déjà utilisé AlphaFold pour prédire la structure des protéines (ce que les scientifiques mettaient des années à réaliser) et travaille maintenant sur la conception de nouveaux médicaments grâce à l'IA ;
- OpenAI : collabore avec Microsoft pour utiliser GPT-4 et d'autres outils afin d'aider les scientifiques dans leurs recherches (par exemple, en leur permettant de consulter des articles ou de simuler des expériences) ;
- Acteurs nationaux : comme Baidu avec Wenxin Yiyan, qui cherche à utiliser des modèles géants pour soutenir la recherche scientifique, et Alibaba DAMO Academy dans le domaine de la prévision météorologique.
Pourquoi tout le monde se lance-t-il sur ce marché ? Parce qu'AI for Science peut résoudre des problèmes réels dans la recherche scientifique : coûts élevés des essais et analyses de données massives. L'IA pourrait augmenter ces efficacités de 10 à 100 fois, ouvrant la voie à de nouveaux marchés potentiellement très lucratifs tels que les médicaments, les matériaux novateurs et les énergies alternatives.
III. L'évolution de l'IA : de “machine à répondre aux questions” à “partenaire de recherche” – À quel point cela est important ?
Les IA précédentes, comme ChatGPT, n'étaient capables que de répondre à des questions ou de résoudre des problèmes mathématiques. Mais l'IA d'aujourd'hui peut faire deux choses plus complexes :
1. Formuler des hypothèses : après avoir analysé de grandes quantités de données sur le cancer, elle pourrait indiquer que une mutation génétique est probablement liée au cancer ;
2. Concevoir des expériences : elle pourrait conseiller aux scientifiques les étapes à suivre pour valider une hypothèse et les instruments nécessaires.
Cela signifie que l'IA évolue d'un simple outil à un véritable partenaire dans la recherche scientifique, voire un futur chercheur. Par exemple, AlphaFold2 de DeepMind peut non seulement prédire la structure des protéines, mais aussi en concevoir de nouvelles (comme des enzymes capables de dégrader le plastique), marquant le début de la création d'innovations par l'IA.
IV. La combinaison de technologies : le couple symbolisme et connexionnisme – Clé pour que l'IA participe à la recherche scientifique
Voici une explication simple des deux concepts :
- Connectionnisme : les grands modèles actuels (comme GPT) apprennent en étant alimentés de données, tout comme les humains tirent des conclusions de leur expérience ;
- Symbolisme : l'approche traditionnelle de l'IA, qui consiste à établir des règles logiques (“si A, alors B”).
Auparavant, ces deux approches étaient séparées, mais AI for Science nécessite leur combinaison : les grands modèles traitent d'énormes quantités de données scientifiques (articles, résultats d'expériences), puis utilisent une logique symboliste pour expliquer pourquoi certains résultats surviennent et quels prochains tests sont nécessaires. Par exemple, l'IA peut identifier des corrélations dans 100 000 articles (connectionnisme) avant de déduire logiquement comment un médicament pourrait agir (symbolisme), permettant ainsi à ses conclusions d'être à la fois fondées sur des données et convaincantes.
V. La question ultime : L'IA peut-elle devenir un “scientifique” ? La découverte scientifique est-elle la dernière étape vers l'AGI ?
La question clé est de savoir si l'IA peut créer de nouvelles connaissances à partir de zéro, comme l'ont fait Newton avec la gravité ou Einstein avec la théorie de la relativité. Actuellement, l'IA ne peut que combiner des informations existantes, mais elle manque d'intuition et de créativité. Cependant, la découverte scientifique pourrait être le dernier pas vers l'AGI : si l'IA peut formuler de nouvelles théories et concevoir de nouveaux concepts, elle sera proche de l'IA générale capable d'accomplir toutes les tâches intellectuelles humaines. Jeff Dean et les géants du secteur s'orientent dans cette direction, et des avancées majeures pourraient survenir au cours des 5 à 10 prochaines années.
Conclusion
Le départ de Jeff Dean n'est pas un événement isolé ; il symbolise le passage de l'IA d'applications de consommation (tels que les chatbots ou les recommandations vidéo) vers des applications de recherche scientifique. AI for Science pourrait non seulement transformer la façon de faire de la recherche, mais aussi redéfinir la notion d'innovation. À l'avenir, la collaboration entre scientifiques et IA deviendra la norme, et l'IA pourrait même devenir le protagoniste des découvertes scientifiques. Les changements que nous pourrions observer incluent des médicaments plus rapidement commercialisés, des technologies énergétiques innovantes et des traitements médicaux plus précis, tous liés à AI for Science.